基于SVM和SRC级联决策融合的SAR图像目标识别方法

提出基于支持向量机(support vector machine,SVM)和稀疏表示分类(sparse representation-based classification,SRC)级联决策融合的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。首先,采用SVM对测试样本进行分类,根据各个训练类别输出的后验概率,采用门限判决法选取其中具有高置信度的候选类别;其次,基于候选训练样本构造字典,对测试样本进行SRC分类;最后,采用线性加权融合SVM和SRC的决策值,获得更为可靠的识别结果。SVM的预筛选分类有效降低了SRC中的字典规模,从而提高其分类效率,同时,SRC具有的噪声、遮挡稳健性也可以补充SVM在此方面的不足。因此,提出的方法可以有效综合SVM和SRC的优势,提高最终的识别性能。采用MSTAR数据集进行识别实验,结果验证了本文方法的有效性。